实体
Anastasis Kratsios
Anastasis Kratsios
PulseAugur coverage of Anastasis Kratsios — every cluster mentioning Anastasis Kratsios across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 4 条
-
新研究详细介绍了Transformer的线性成本微调
arXiv上的一篇新研究论文介绍了一种显著降低计算成本的Transformer微调方法。所提出的技术允许从噪声数据中恢复源任务的任意精度，并通过仅微调特定矩阵因子来实现高效的分布外适应。与传统方法相比，这种线性成本微调方法大大降低了所需的计算资源。
-
新型神经算子以理论保证解决凸优化问题
研究人员开发了一类新的神经算子，称为近邻平衡算子（PEOs），它们可以解决一系列凸优化问题。这些PEOs被设计用于通过在无限维空间中操作来处理无限多个相关问题。提出的训练算法和PEOs提供了对数秩和线性深度增长的统一逼近的理论保证，弥合了理论存在性声明与实际可实现性之间的差距。
-
NeuralChaos架构优化随机过程建模
开发了一种名为NeuralChaos的新型神经算子架构，以应对表示和计算复杂随机过程的挑战。该架构旨在改进连续时间随机控制、强化学习和金融数学等领域的建模。NeuralChaos旨在保持可预测性和方可积性，同时比传统方法消耗更少的计算资源，并在数值实验中证明了其有效性。
-
深度学习理论：神经网络作为计算模型
一篇新论文探讨了深度学习的理论基础，提出神经网络不仅应被视为函数逼近器，还应被视为计算模型。由 Anastasis Kratsios 撰写的这项研究表明，神经网络可以模拟复杂的数值算法，如牛顿法。该工作确立了神经网络的复杂性不仅受正则性影响，还受算法复杂性的影响，为各种函数类提供了通用逼近保证。